斯坦福大學機器學習筆記——當訓練模型性能不好時的措施（假設評估、模型選擇和交叉驗證集、正則化、學習曲線）

以我們前面講述的線性迴歸爲例，比如我們在訓練集上訓練出最優的模型，但是當我們將其使用到測試集時，測試的誤差很大，我們該怎麼辦？ 我們一般採取的措施主要包括以下6種： 增加訓練樣本的數目（該方法適用於過擬合現象時，解決高方差。一般都是有效的，但是代價較大，如果下面的方法有效，可以優先採用下面的方式）； 嘗試減少特徵的數量（該方法適用於過擬合現象時，解決高方差）； 嘗試獲得更多的特徵（該方法適用於欠擬

>>阅读原文<<